统计数据和假新闻

统计数据和假新闻:深入研究

统计数据和假新闻:滥用统计数据助长了假新闻的传播,通过利用数字通常赋予的可信度来操纵公众的看法。

统计保持 巨大 权力作为理解复杂现象和做出数据驱动决策的工具。 然而,这种力量就像是 双刃剑 当它落入恶意个人手中时,他们利用它来制造和传播假新闻,从而为他们的欺骗性叙述增添可信度。

您是否意识到滥用统计数据会造成多大程度的影响? 深深 影响假新闻、伪装成真实信息的接受和传播? 深入研究这篇文章以获得更深入的了解 洞察 深入了解统计在错误信息和欺骗中的关键作用!

当前困境

假新闻困境的核心在于故意 捏造事实,创作者操纵信息来服务于他们的特定议程。 经过 扭曲 事实上,他们利用政治、意识形态和金融主题作为主要目标,以毫无戒心的受众为目标。

了解背后的不同动机 传播 假新闻至关重要。 一般来说,传播错误信息的人可以分为三种不同的类型:

(1)粗心者: 这些人在不知不觉中分享虚假的“事实”,并真诚地相信它们是真实的,使他们很容易成为操纵的目标。

(2)有偏见的: 这些人可能会怀疑内容的完整性,但出于个人方便而选择传播该内容,而不花时间验证其完整性。

(3) 恶意: 该组织充分意识到该内容是假的,但在隐藏的利益和不可告人的动机的驱使下,仍继续传播该内容。

这凸显了滥用统计数据的潜在危险 报价 英国前首相本杰明·迪斯雷利 (Benjamin Disraeli) 对此提出警告,警告不要将数据武器化用于有害目的:

“谎言分为三种:谎言、该死的谎言和统计数据。” (本杰明·迪斯雷利饰演)
“谎言分为三种:谎言、该死的谎言和统计数据。” (本杰明·迪斯雷利(Benjamin Disraeli))

这一富有洞察力的观察强调,虽然统计数据很强大,但在使用时可能会产生欺骗性的力量 不恰当地,使它们成为构建假新闻的基石。

但为什么统计数据在捏造假新闻方面起着如此重要的作用呢? 答案相对简单:那些试图欺骗的人知道统计数据具有独特的借钱能力 可信性 任何内容,从而使他们的谎言对毫无戒心的公众来说显得更有说服力。

解决方案

这款 预言的 英国著名作家 HG Wells 的话在今天听起来比以往任何时候都更加真实:

“有一天,统计思维对于高效公民来说将像读写能力一样必不可少。” (HG 威尔斯)
“有一天,统计思维对于高效公民来说将像读写能力一样必不可少。” (HG 威尔斯)

遗憾的是,威尔斯预见的这一天即将到来。 假新闻中普遍使用统计数据来增强可信度,因此需要 教育 和 挑剔 上市。

为了有效地对内容进行事实核查——特别是关于其与统计的关系——我们必须培养和提高我们的能力 统计思维 正如威尔斯所敦促的那样。

这项努力对于 开发 阅读、解释和理解基本统计信息的能力,例如图表、汇总度量、表格等。

当我们具备这些技能时,就可以挖掘统计数据 操作 成为一项更易于管理的任务。

我们邀请您进一步探索我们的文章 提高 你的统计思维能力! 此外,辨别真相的一个关键方面是逻辑地和怀疑地审查信息,确保您验证信息源的可靠性。

在以下部分中,我们将介绍 例子 传播错误信息时常用的统计操纵技术。

案例研究#01

博主使用统计、视觉和文本 过关 认为堕胎合法化后葡萄牙的堕胎数量急剧下降。

除了几个 问题 在文本中——比如省略了阻碍更深入分析的关键数据——他提出了一个误导性的图表。

在这里,我们观察到图表中使用的一个常见技巧来迷惑观看者: 截断 y 轴位于底部。

请注意,y 轴从 15,800 开始, 误导 公众开始相信,2008 年之后的几年里,堕胎数量降到了零。

下图展示了轴如何 操纵 很容易改变我们的判断。 请注意,这两个图表都是使用相同的数据但在不同的 y 轴上构建的 - 完全不同 不同 模式出现。

这种技术 膨胀 数据并传达了扭曲的现实观念,尤其是对于毫无戒心的人。

另一个关键 问题 确定的一点是,堕胎合法化发生在 2007 年至 2008 年期间,恰好在图表开始的时间(x 轴),从而掩盖了堕胎合法化前几年的重要数据。

此外,人口规模 重要 未考虑此类分析的变量。

我们并不是断言合法化后堕胎数量增加或减少。 相反,我们将此案例用作旨在欺骗读者的不正确呈现数据的示例。

案例研究#02

学术数学杂志 出版 2017 年 XNUMX 月的一篇文章,标题为:

假新闻、假数据:不良数据和误导性图表如何助长假新闻。

在这篇文章中,作者 例证 图表中的微小变化是多么容易 误导 给我们。

在这个例子中,我们遇到了同样的情况 问题 如前所述:y 轴基数不必要的截断。

案例研究#03

一个网站/书名为 虚假相关 提供了很好的例子来提醒我们这句格言:“相关并不意味着因果关系设立的区域办事处外,我们在美国也开设了办事处,以便我们为当地客户提供更多的支持。“

该短语描述了我们无法通过观察两个事件或变量之间的相关性或关联来准确确定它们之间的因果关系。

这本书包含了几个高度相关变量的例子,这些变量显然缺乏任何因果关系 关系.

在一个 例子,变量“缅因州离婚率”和“人均人造黄油消费量”之间存在近乎完美的 99% 相关性。

在这种极端情况下,应该是 明显 即使两个变量之间存在很高的相关性,但这并不意味着存在因果关系。 换句话说,一者不会导致另一者。

其他例子:

案例研究#04

下列 例子 说明虚假新闻制造者如何使用不同的 集中趋势测度 根据他们的需要提供信息。

该图展示了三种最常见的方法 集中趋势指标 可能以完全不同的方式代表工人的平均工资。

在这种情况下,算术平均值产生 高薪 高于中位数和 模式.

这个例子和许多其他例子 如何对统计撒谎 都可以在这本经典书中找到!

案例研究#05

1月2012, “华尔街日报” 发表了按比例比较 1960 年和 2000 年购买力的图表。

然而,根据所呈现的值,报纸上发表的左边的图像显示 误导 比例—— 正确的图表在右边.

结束语

利用统计学等受人尊敬的学科的工具来传播 无知 和 误传 这是一种令人遗憾的做法,必须予以抵制。

统计数据极大地影响了假新闻、贷款 可信性 并促进其广泛传播。

耕种 统计思维 和掌握 统计工具 对于揭示任何内容背后的真实意图至关重要。

意识到共同点 策略 用于此类欺骗的人员至关重要,包括:

(一个) 图形扭曲, (二) 对简要措施的虚假陈述, (C) 语言含糊不清, (四) 错误的因果关系主张, (五) 遗漏重要数据或信息, (六) 视觉上具有欺骗性的比例和尺寸, (克) 从小样本或有偏差的样本中得出结论。

达雷尔·哈夫 (Darrel Huff) 的开创性著作, 如何说谎统计,很好地探讨了这个主题。

最后,我们转向一个发人深省的话题 报价 《星球大战:第六集——绝地归来》中,欧比旺·克诺比对卢克·天行者说:

卢克,你会发现我们坚持的许多真理取决于我们的观点。

如果您想更深入地了解该主题,请考虑购买“如何对统计撒谎”点击这里!

标准差可以为负吗?

在我们的社交网络上与我们联系!

Instagram 上的每日帖子!

类似的帖子

发表评论

您的电邮地址不会被公开。 必填项 *